搜索[gan]结果-低调大师优秀个人博客

精选列表

搜索[gan]，共323篇文章

用GAN还原语义标注图！还能手动改细节（附论文、代码）

输入一张语义地图—— 就能为你还原整个世界：输入一张亲妈都认不出来的语义标注图—— 为你合成一张真实的人脸。聪明的你可能已经发现，这个名为pix2pixHD的神奇算法，可以用条件生成式对抗网络（conditionalGAN），将一张语义标注的图像还原成现实世界的样子。pix2pixHD合成的图像分辨率可高达2048x1024，和CRN、pix2pix等其他图像合成工具相比可以发现，pix2pixHD的效果显然领先了好几条街！ △pix2pixHD与pix2pix、CRN对比图有趣的是，连李飞飞高徒、现特斯拉人工智能与自动驾驶视觉部门主管Andrej Karpathy也在Twitter上大呼“非常鹅妹子嘤！” 到底是怎么一回事？上车，我们前去看看论文。效果惊人有一个官方演示视频—— pix2pixHD具有通过语义标注的图像还原到现实世界的

2017-12-10

到2027年，GaN和SiC功率半导体市场预计将超过45亿美元

5G技术在全球的蓬勃发展和推广，将为氮化镓(GaN)和碳化硅(SiC)功率半导体制造商提供新的增长前景。

2021-05-22

Ian Goodfellow：生成对抗网络 GAN 的公式是怎样推导出来的

Ian Goodfellow还是生成对抗网络GAN的提出者，利用这两个技巧，他在著名的GAN论文中推导了一个公式。很多时候，我们想用代数/微积分来分析神经网络的最优行为。

2018-05-16

【巨头升级寡头】AI产业数据称王，GAN和迁移学习能否突围BAT垄断？

AI时代，数据为王让巨头越来越难以被打败上周，谷歌和 CMU 的一项合作研究，为拥有大数据优势的技术巨头们带来了喜讯：在不调整现有算法、只是给模型多得多的数据的情况下，图像识别结果取得了较大提升。这一波人工智能的兴起主要有三大因素推动——计算力、数据和算法。而谷歌和 CMU 的这项合作研究可能会将“数据”这一项进一步高亮显示。据 Wired 报道，研究结果一方面印证了通过给模型喂食多得多的数据，同样的算法也能显著提升性能，另一方面，这也是对拥有海量数据的技术巨头的喜讯。无论是谷歌、Facebook 还是微软，都会更加坚信自己手中的数据是决胜的王牌。虽然从1百万扩充到3百万数据集，对象检测的结果只提高了3个百分点，但研究者表示，他们相信如果对软件进行调整，使其更适应于超大数据集，那么优势还将扩大。退一万步说，即使没有扩大

2017-07-31

在浏览器中进行深度学习：TensorFlow.js (八）生成对抗网络（GAN）

GAN最早源自Ian Goodfellow的这篇论文。

2018-10-17

【开发者的2018】GAN、AutoML、统一框架、语音等十大趋势

GAN与造假虽然生成对抗网络几年前就出现了，我对它是相当怀疑的。几年过去了，即使看到GAN在生成64x64分辨率的图像方面取得了巨大的进步，我对它仍是怀疑的。

2018-01-03

【机器学习PAI实战】—— 玩转人工智能之利用GAN自动生成二次元头像

最近几年，各种深度学习算法层出不穷,Generative Adverarial Network(GAN)自2014年提出以来，引起广泛关注，身为深度学习三巨头之一的Yan Lecun对GAN的评价颇高，

2019-03-04

要让GAN生成想要的样本，可控生成对抗网络可能会成为你的好帮手

雷锋网 AI 科技评论按：如何让GAN生成带有指定特征的图像？这是一个极有潜力、极有应用前景的问题，然而目前都没有理想的方法。

2017-10-23

对抗神经机器翻译：GAN＋NMT 模型，中国研究者显著提升机翻质量

今天介绍的是中山大学、中国科技大学、微软亚洲研究院与广东省信息安全技术重点实验室合作完成的一项研究。第一作者 Lijun Wu 来自中山大学数据与计算机科学学院，二作 Yingce Xia 是中国科技大学，Li Zhao、Fei Tian、Tao Qin 都属于微软亚洲研究院，Jianhuang Lai、Tie-Yan Liu 则是广东省信息安全技术重点实验室的研究人员。Jianhuang Lai 同时也属于中山大学数据与计算机科学学院。作者认为，最新的 NMT 系统虽然相比以前的统计机器翻译（SMT）性能有了显著提升，但翻译质量还有很大的改进空间。作者认为，其中一个主要原因是 NMT 在训练时通常采用最大似然估计（MLE）原理，换句话说，也就是尽可能将机器生成的译文与人类对源语的翻译进行匹配（maximize the proba

2017-07-31

2018-2019最具成长性AI技术Top10：GAN、胶囊网络、云端AI排前三

目录： •介绍 •对抗神经网络 •胶囊网络 •云端人工智能 •深度强化学习 •智能脑机交互 •对话式人工智能平台 •情感智能 •神经形态计算 •元学习 •量子神经网络介绍中国电子学会 17 日在北京举行的 2018 世界机器人大会上发布《新一代人工智能领域十大最具成长性技术展望 (2018-2019 年)》，对抗性神经网络、胶囊网络、情感智能、神经形态计算、量子神经网络等入选。在2018世界机器人大会17日的主论坛上，中国电子学会发布《新一代人工智能领域十大最具成长性技术展望（2018-2019年）》。当前，全球正在经历科技和产业高度耦合、深度迭加的新一轮变革，大数据的形成、理论算法的革新、计算能力的提升及网络设施的演进驱动人工智能进入新一轮创新发展高峰期，新技术持续获得突破性进展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等以应用为导向的新特征。加强新一代人工智能技术的前瞻预判，准确把握全球技术创新动态及发展趋势，将为行业健康发展、资金有序进入、政策规划出台、新兴市场开拓等提供具备决策参考价值和实践指导意义的智力支撑。围绕于此，中国电子学会依据国家出台的《新一代人工智能发展规划》、《促进新一代人工智能产业发展三年行动计划（2018-2020年）》等一系列政策规划，调研走访了一批在新一代人工智能技术及产业方面具备领先水平和特色的龙头企业，组织拜访了来自于知名高校、研究机构的人工智能相关领域专家学者，系统梳理了权威智库和知名战略咨询公司的最新报告，遴选了十项最具特色的成长性技术，得出以下结论：对抗性神经网络一、对抗性神经网络。是指由一个不断产生数据的神经网络模块与一个持续判别所产生数据是否真实的神经网络模块组成的神经网络架构，创造出近似真实的原创图像、声音和文本数据的技术。该技术有望大幅提升机器翻译、人脸识别、信息检索的精度和准确性，随着三维模型数据序列能力的提升，未来将在自动驾驶、安防监控等领域产生可观的应用价值。图1：对抗性神经网络中产生数据与判别数据持续进行资料来源：《麻省理工科技评论》胶囊网络二、胶囊网络。是指在深度神经网络中构建多层神经元模块，用以发现并存储物体详细空间位置和姿态等信息的技术。该技术能使机器在样本数据较少情形下，快速识别不同情境下的同一对象，在人脸识别、图像识别、字符识别等领域具有广阔的应用前景。图2：胶囊网络算法可以从不同角度识别同一物体资料来源：International Conference on Learning Representations，《Matrixcapsules with EM routing》云端人工智能三、云端人工智能。是指将云计算的运作模式与人工智能深度融合，在云端集中使用和共享机器学习工具的技术。该技术将庞大的人工智能运行成本转移到云平台，能够有效降低终端设备使用人工智能技术的门槛，有利于扩大用户群体，未来将广泛应用于医疗、制造、能源、教育等多个行业和领域。图3：推出人工智能服务的主要云计算公司资料来源：中国电子学会整理深度强化学习四、深度强化学习。是指将深度神经网络和具有决策能力的强化学习相结合，通过端到端学习的方式实现感知、决策或感知决策一体化的技术。该技术具有无需先验知识、网络结构复杂性降低、硬件资源需求少等特点，能够显著提升机器智能适应复杂环境的效率和健壮性，将在智能制造、智能医疗、智能教育、智能驾驶等领域具有广阔发展前景。图4：深度强化学习具有良好的结构特点智能脑机交互五、智能脑机交互。是指通过在人脑神经与具有高生物相容性的外部设备间建立直接连接通路，实现神经系统和外部设备间信息交互与功能整合的技术。该技术采用人工智能控制的脑机接口对人类大脑的工作状态进行准确分析，达到促进脑机智能融合的效果，使人类沟通交流的方式更为多元和高效，未来将广泛应用于临床康复、自动驾驶、航空航天等多个领域。图5：智能脑机交互使人类沟通交流高效化对话式人工智能平台六、对话式人工智能平台。是指融合语音识别、语义理解、自然语言处理、语音合成等多种解决方案，为开发者提供具备识别、理解及反馈能力的开放式平台的技术。该技术能够实现机器与人在对话服务场景中的自然交互，未来有望在智能可穿戴设备、智能家居、智能车载等多个领域得到大规模应用。图6: 对话式人工智能平台结构资料来源：IDC，中国电子学会整理情感智能七、情感智能。是指利用人工智能手段模拟表情、语气、情感等类人化情绪响应，以打造具有情绪属性的虚拟形象的技术。该技术可赋予机器设备更好的对人类情感的识别、理解和引导能力，为用户带来更具效率和人性化的交互体验，未来将在智能机器人、智能虚拟助手等领域得到更为频繁和深入的应用。图7：情感智能技术将模拟人的情绪资料来源：《人类神经科学前沿》神经形态计算八、神经形态计算。是指仿真生物大脑神经系统，在芯片上模拟生物神经元、突触的功能及其网络组织方式，赋予机器感知和学习能力的技术。该技术的目标在于使机器具备类似生物大脑的低功耗、高效率、高容错等特性，将在智能驾驶、智能安防、智能搜索等领域具有广阔应用前景。图8：神经形态计算的结构资料来源：中国电子学会整理元学习九、元学习。是指将神经网络与人类注意机制相结合，构建通用算法模型使机器智能具备快速自主学习能力的技术。该技术能够使机器智能真正实现自主编程，显著提升现有算法模型的效率与准确性，未来的进一步应用将成为促使人工智能从专用阶段迈向通用阶段的关键。图9：元学习实现快速自主学习资料来源：arXiv.org，《MatchingNetworks for One Shot Learning》量子神经网络十、量子神经网络。是指采用量子器件搭建神经网络，优化神经网络结构和性能的技术。该技术充分利用了量子计算超高速、超并行、指数级容量的特点，有效缩短了神经网络的训练时间，未来将在人脸识别、图像识别、字符识别等领域具有重要应用价值和广阔前景。图10：量子神经网络结构示意图原文发布时间为：2018-08-19 本文来自云栖社区合作伙伴“磐创AI”，了解相关信息可以关注“磐创AI”。

2018-08-19

不上传视频到服务端，也能 AI 去水印：我们用 MI-GAN + ONNX + WebGPU 实现了浏览器本地逐帧修复

传统实现通常需要用户先上传视频，由服务器 GPU 完成修复，再下载处理结果。这条链路虽然成熟，但也存在一些问题：

2026-07-27

我国发展化合物半导体产业正当时

GaN器件基于GaN的蓝绿光LED产业发展成熟，微波通信器件和电力电子器件产品尚未在民用领域广泛应用。

2017-07-02

ApacheCN 深度学习译文集 20201218 更新

、实用的层次聚类五、软聚类和高斯混合模型六、异常检测七、降维和成分分析八、无监督神经网络模型九、生成对抗网络和 SOM 十、习题生成对抗网络项目零、前言一、生成对抗网络简介二、3D-GAN

2020-12-18

问答Goodfellow：没有样例能不能训练机器学习算法？

2014年，Ian Goodfellow提出了生成式对抗网络（GAN），可以在无人监督的情况下自行训练，还能对过去的错误和不足进行分析，从而改进效果。

2017-12-31

DCGAN 论文简单解读

是2014年Ian J.Goodfellow 的那篇开创性的GAN论文之后一个新的提出将GAN和卷积网络结合起来，以解决GAN训练不稳定的问题的一篇paper.

2018-05-17

如何使用WGAN-GP生成一维滚动轴承振动数据样本。以西储大学（CWRU）数据集为例，提供一个基于训练好的权重参数文件进行测试的代码。

代码注释清楚，包含训练过程的代码train_gan和基于训练好的权重参数文件进行测试的代码generate_gan。可以生成指定的故障类型数据，不平衡比100，可自己调节。

2026-07-20

全球顶会论文作者全程指导，首期飞桨论文复现训练营重磅来袭

课程内容课程形式本次训练营采用直播+社群交流的方式，带你从零攻克CV视频分类、GAN两大顶会热门领域训练营前半程研读论文，讲师带领同学们读透CV领域两个热门方向——GAN和视频分类的顶会论文。

2020-07-20

机器学习小知识: 这些计算机视觉中的损失函数你掌握了多少

7GAN 损失生成对抗网络[8]（Generative Adversarial Network，简称 GAN），最早由 Ian Goodfellow 等人于 2014 年提出。

2020-08-19

物联网将如何影响半导体芯片厂商？

GaN与SiC的差价将变小 IC设计对于整个半导体产业非常重要，半导体材料则能影响整个半导体行业的发展。

2017-07-04

物联网变数巨大，半导体厂商该如何应对？

GaN与SiC的差价将变小 IC设计对于整个半导体产业非常重要，半导体材料则能影响整个半导体行业的发展。

2017-07-04

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

精选列表

用GAN还原语义标注图！还能手动改细节（附论文、代码）

到2027年，GaN和SiC功率半导体市场预计将超过45亿美元

Ian Goodfellow：生成对抗网络 GAN 的公式是怎样推导出来的

【巨头升级寡头】AI产业数据称王，GAN和迁移学习能否突围BAT垄断？

在浏览器中进行深度学习：TensorFlow.js (八）生成对抗网络 （GAN）

【开发者的2018】GAN、AutoML、统一框架、语音等十大趋势

【机器学习PAI实战】—— 玩转人工智能之利用GAN自动生成二次元头像

要让GAN生成想要的样本，可控生成对抗网络可能会成为你的好帮手

对抗神经机器翻译：GAN＋NMT 模型，中国研究者显著提升机翻质量

2018-2019最具成长性AI技术Top10：GAN、胶囊网络、云端AI排前三

不上传视频到服务端，也能 AI 去水印：我们用 MI-GAN + ONNX + WebGPU 实现了浏览器本地逐帧修复

我国发展化合物半导体产业正当时

ApacheCN 深度学习译文集 20201218 更新

问答Goodfellow：没有样例能不能训练机器学习算法？

DCGAN 论文简单解读

如何使用WGAN-GP生成一维滚动轴承振动数据样本。以西储大学（CWRU）数据集为例，提供一个基于训练好的权重参数文件进行测试的代码。

全球顶会论文作者全程指导，首期飞桨论文复现训练营重磅来袭

机器学习小知识: 这些计算机视觉中的损失函数你掌握了多少

物联网将如何影响半导体芯片厂商？

物联网变数巨大，半导体厂商该如何应对？

资源下载

Mario

腾讯云软件源

Nacos

Sublime Text

欢迎您来访！

在浏览器中进行深度学习：TensorFlow.js (八）生成对抗网络（GAN）